(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210798609.2 (22)申请日 2022.07.06 (71)申请人 哈尔滨工业大 学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 申请人 北京电子 工程总体 研究所 (72)发明人 周荻　袁宇祺　邹昕光　李君龙　 张锐　楼朝飞　 (74)专利代理 机构 哈尔滨华夏松花江知识产权 代理有限公司 23213 专利代理师 岳昕 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/20(2020.01) G06F 119/14(2020.01) (54)发明名称 直气复合飞行控制系统时变参数辨识方法 (57)摘要 直气复合 飞行控制系统 时变参数辨识方法， 它属于飞行器飞行参数辨识领域。 本发明解决了 采用小扰动线性化方法得到的常值气动参数无 法满足飞行器 设计要求的问题。 本发 明方法采取 的主要技术方案为： 建立飞行器体坐标系和飞行 器速度坐标系， 基于坐标系建立俯仰通道姿态动 力学方程， 基于俯仰通道姿态动力学方程设计时 变参数滤波器； 再基于设计的滤波器系统对气动 参数进行在线辨识。 本发明依据魏尔斯特拉斯逼 近定理， 通过多项式拟合， 将时变参数估计转化 为非时变参数估计。 本发明方法可以应用于飞行 器飞行参数辨识。 权利要求书2页 说明书9页 附图10页 CN 115169002 A 2022.10.11 CN 115169002 A 1.直气复合飞行控制系统时变参数辨识方法， 其特征在于， 所述方法具体包括以下步 骤： 步骤一、 直气复合飞行控制时变参数 滤波器系统设计 步骤一一、 建立飞行器 体坐标系ox1y1z1和飞行器速度坐标系ox3y3z3； 步骤一二、 基于步骤一一的坐标系建立俯仰通道姿态动力学方程； 所述俯仰通道姿态 动力学方程为： 其中， ωz为俯仰角速率， 为ωz的一阶导数， δz为舵偏角， Fz为直接力， α 为 攻角， 气动参 数a1、 a2和a3分别定义为： 直接力参数lz 定义为： lz＝‑l/Jz， Jz为飞行器绕坐标轴oz3的转动惯量， 为俯仰力矩对俯仰角速率的 偏导数， 为俯仰力矩对攻角的偏导数， 为俯仰力矩对舵偏角的偏导数， l是侧推发动 机到飞行器质心的距离； 步骤一三、 基于步骤一 二的俯仰通道姿态动力学 方程设计时变参数 滤波器； 对于气动参数a2， 利用关于α 的一次多 项式近似a2( α )， 即： a2( α )≈a20+k21α                             (3)其中， a20和k21为常数； 将式(3)代入俯仰通道姿态动力学 方程(1)得到： 滤波器系统状态变量x1、 x2、 x3、 x4、 x5和x6分别定义为： x1＝ωz， x2＝a1， x3＝a20， x4＝k21， x5＝lz， x6＝a3； 则滤波器系统状态向量X为： X＝[x1 x2 x3 x4 x5 x6]T                        (5) 定义滤波器系统状态方程 为： 其中， 为X的一阶导数， f(X)为滤波器系统状态转移函数； 滤波器系统量测方程h为： h＝[1 0 0 0 0 0]                  (8) 步骤二、 基于步骤一中设计的滤波器系统对a20和k21进行在线辨识； 同理， 对气动参数a1和a3进行辨识。 2.根据权利要求1所述的直气复合飞行控制系统时变参数辨识方法， 其特征在于， 所述 步骤一一中， 建立飞行器 体坐标系ox1y1z1和飞行器速度坐标系ox3y3z3的具体过程 为：权　利　要　求　书 1/2 页 2 CN 115169002 A 2以飞行器质心为原点o， 以飞行器的中心对称轴为ox1轴， 以飞行器速度方向为ox3轴， oy1轴和oy3轴均在飞行器的铅垂面 上， 且oy1轴与oy3轴的关系通 过攻角和偏航角决定， oz1轴 与ox1轴、 oy1轴满足右手定则， oz3轴与ox3轴、 oy3轴满足右手定则。 3.根据权利要求2所述的直气复合飞行控制系统时变参数辨识方法， 其特征在于， 所述 步骤二的具体过程 为： 对式(7)进行离 散化， 得到 离散系统： 其中， f(Xk)为第k步的滤波器系统状态转移函数， T为采样间隔， Xk为第k步的滤波器系 统状态向量； 再基于离散系统对参数a20和k21进行在线辨识。 4.根据权利要求3所述的直气复合飞行控制系统时变参数辨识方法， 其特征在于， 所述 对式(7)进行离 散化采用的是差分法。 5.根据权利要求4所述的直气复合飞行控制系统时变参数辨识方法， 其特征在于， 所述 基于离散系统对参数a20和k21进行在线辨识， 采用的是EK F算法。 6.根据权利要求5所述的直气复合飞行控制系统时变参数辨识方法， 其特征在于， 所述 EKF算法的流 程为： 步骤1、 预测状态和误差协方差矩阵： 其中， 为状态的一步预测结果， 为第k‑1步的滤波器系统状态转移函数估 计结果， Pkk‑1为误差协方差矩阵的一步预测结果， Pk‑1k‑1为第k‑1步的误差协方差矩阵估计 结果， Fk为第k步的雅克比矩阵， 上角标T代 表矩阵的转置， Qk为第k步的过程噪声； 步骤2、 计算 卡尔曼增益： 其中， zk为第k步的实际测量值， 是使用 计算出来的预测测量值， 为残差， 为第k步的状态转移矩阵， Rk为第k步的量测噪声协方差矩阵， Sk为中间变量矩 阵， 上角标 ‑1代表矩阵的逆， Kk为第k步的增益矩阵； 步骤3、 更新状态和误差协方差矩阵： Pkk＝(I‑KkHk)Pkk‑1                         (16) 其中， 为第k步的状态估计结果， Pkk为第k步的误差协方差矩阵估计结果， I为单位矩阵。权　利　要　求　书 2/2 页 3 CN 115169002 A 3